Seit dem 27. Oktober 2026 steht im Magnolia-Blog der Leitfaden „Unlocking hyper-personalization with generative AI: A guide“ wieder als aktueller Beitrag ganz oben. Als Autoren nennt die Blogübersicht Jan Schulte, Head of Group Consulting bei Magnolia, und Sorina Mone, Head of Marketing. Laut Anreißer geht es um den Nutzen und die Herausforderungen generativer KI in der Personalisierung und darum, wie Magnolia diese auf seiner DXP umsetzt. Behandelt werden die automatische Erzeugung von Inhaltsvarianten, die Klassifizierung von Inhalten sowie die Anbindung von Twilio Segment und Salesforce Commerce Cloud.
Der Text ist allerdings nicht neu. Auf der Blog-Tag-Seite „Generative AI“ führt Magnolia denselben Beitrag mit denselben Autoren unter dem 15. November 2023. Auch die öffentlich lesbaren Abschnitte stammen erkennbar aus dieser Zeit. Eine Zwischenüberschrift lautet weiterhin „Automatic variant generation via ChatGPT“, die Agentic-Funktionen aus dem Jahr 2026 kommen nicht vor. Wie stark Magnolia den Text überarbeitet hat, lässt sich aus den verfügbaren Fassungen nicht sicher sagen. Leser sollten ihn deshalb als Positionspapier des Herstellers lesen und nicht als aktuelle Produktdokumentation.
Die Neuauflage fällt in eine Phase der Neuordnung des KI-Angebots
Personalisierung funktioniert in Magnolia seit Jahren regelbasiert. Nach Herstellerangaben gehören Segmente, Zielgruppenregeln und eine Priorisierung von Inhalten je Besucher zum Standardumfang. Kundendaten aus einer Customer Data Platform wie Segment gelangen als Personalisierungsmerkmale („Traits“) ins CMS. Generative KI kam 2023 dazu. Magnolia band damals ChatGPT, DALL-E, Amazon Comprehend und DeepL an und fasste diese Funktionen später im AI Accelerator zusammen.
Seitdem hat sich das Modul deutlich verändert. Version 2.2 brachte eine einheitliche Modell-Registry, über die sich Modelle per YAML-Datei in Light Modules einbinden lassen. Mit Magnolia 6.4 kam eine Bilderkennung über multimodale Modelle wie Gemini, GPT-4o und Claude hinzu. Laut Release Notes zu DX Core 6.4.4 vom 27. März 2026 führte AI Accelerator 3.1.1 Unterstützung für Generative Engine Optimization (GEO) ein, also JSON-LD-Auszeichnungen und Sprachzusammenfassungen für KI-Suchmaschinen. Den Release Notes zu 6.4.9 vom 14. August 2026 zufolge ist AI Accelerator 3.2.0 seit dem 27. Juli 2026 allgemein verfügbar. Neu sind der Agentic Chat und eine Umwandlung von Dokumenten in Seiten (Doc-to-Page).
Inzwischen benennt Magnolia das Modul um. Ein Blogbeitrag trägt den Titel „Magnolia Renivo: why we're renaming the AI Accelerator“. Das Bewertungsportal DXP Scorecard spricht von „Renivo Core (formerly AI Accelerator)“ und nennt ein KI-Audit-Log in Renivo Core 3.2.1. In der Dokumentation laufen die Namen noch nebeneinander her. Das Maven-Artefakt heißt zum Beispiel weiterhin magnolia-ai-accelerator-openai, aktuell in Version 3.2.1. Im Oktober hat Magnolia zudem einen Beitrag zu einem Personalisierungs-Framework veröffentlicht, am 22. Oktober von Vince Gravinese.
Variantenerzeugung und Klassifizierung bilden den technischen Kern
Die Variantengenerierung ist der Teil des Leitfadens mit dem größten praktischen Nutzen. In einem früheren Blogbeitrag beschreibt Jan Schulte den Ablauf so: Redakteure wählen in der Pages-App eine Komponente aus und lassen für ein bestimmtes Segment eine Variante erzeugen. Die Generierung findet also während der Redaktion statt und nicht beim Seitenaufruf. Ausgeliefert wird die Variante über die vorhandene regelbasierte Personalisierung. Damit gelten Workflow, Rollen, Versionierung und Vorschau auch für KI-generierte Inhalte. Magnolia zählt diese Funktionen zusammen mit der App „Hyper Prompt“ für vordefinierte Prompts zu seinen Governance-Werkzeugen.
Die Klassifizierung versieht Bilder und Texte automatisch mit Schlagworten und ordnet sie so in Inhaltspools ein, die sich für Personalisierung nutzen lassen. Eigene Modelle entwickelt Magnolia nach Angaben der Dokumentation nicht. Das Modul bindet Anbieter wie OpenAI, Azure AI, AWS Bedrock, Google Gemini und Fal.ai an. Laut DXP Scorecard funktioniert das auch mit jedem OpenAI-kompatiblen Endpunkt, sodass die KI über eigene Konten des Kunden und in einer selbst gewählten Region läuft. Für den Agentic Chat gibt es den Agententyp chatCompletionsAgent, der auch über Gateways angesprochen werden kann. Laut Dokumentation zur 3.2-Beta unterstützt das Agenten-Framework mehrstufige Konversationen derzeit mit OpenAI. Werkzeugaufrufe laufen innerhalb des Magnolia-Berechtigungsmodells.
Für den E-Commerce verweist der Leitfaden auf externe Systeme. Produktempfehlungen kommen aus dem Einstein Recommendation Builder, der über die Integration mit Salesforce Commerce Cloud angebunden ist. Verhaltensprognosen liefert Twilio Segment mit eigenen KI-Werkzeugen. Die DXP Scorecard hält fest, dass Katalog, Warenkorb und Checkout bei Magnolia immer aus einem angebundenen Commerce-System stammen. Mit Blick auf den EU AI Act stuft die Magnolia-Dokumentation den Agentic Chat als einzige Funktion ein, die eine direkte KI-Interaktion im Sinne von Art. 50 Abs. 1 darstellt.
Für Projekte liegt der Nutzen vor allem in der Redaktion
Der Leitfaden setzt bei einem realen Problem an. Magnolia beschreibt es selbst: Wer fünf Segmente bedienen will, braucht oft fünf Fassungen desselben Inhalts. Diesen Aufwand kann die KI-gestützte Variantenerzeugung senken. Unter Hyperpersonalisierung versteht Magnolia allerdings in einem eigenen Beitrag eine Ausspielung in Echtzeit, die sich an der Customer Journey und der aktuellen Absicht des Nutzers orientiert. Das leistet die Variantengenerierung allein nicht. Dafür braucht es ein CDP, eine Empfehlungs-Engine und belastbare Einwilligungs- und Datenprozesse. Personalisierung nach Absicht hat Magnolia auf der Konferenz NEXT 26 nur als Ausblick vorgestellt, einen Termin gibt es dafür nicht.
In der Praxis sollten Projekte mehrere Risiken einplanen. Generierte Varianten können Produktmerkmale, Preise oder rechtliche Hinweise falsch wiedergeben. Deshalb muss die redaktionelle Freigabe verpflichtend sein. Mit jeder Variante wachsen außerdem der Test- und Pflegeaufwand und die Zahl der Personalisierungsregeln. Fließen Merkmale aus dem CDP in Prompts ein, gelten die Anforderungen der DSGVO, auch für die Auftragsverarbeitung beim Modellanbieter. In den einsehbaren Abschnitten des Leitfadens stehen keine Messwerte zur Wirkung auf Conversion oder Umsatz. Der Leitfaden belegt also, dass die Funktionen technisch machbar sind, über ihren geschäftlichen Nutzen sagt er wenig aus.
Für Bestandskunden ist die Versionsfrage wichtig. AI Accelerator 3.2 ist laut Dokumentation mit Magnolia 6.4 kompatibel. Wer auf der LTS-Linie 6.3 bleibt, deren letztes Wartungsrelease 6.3.25 im Juli erschien, muss das Upgrade auf 6.4 einplanen. Bei headless betriebenen Kanälen, etwa Flutter-Apps, ist im Einzelfall zu prüfen, wie segmentspezifische Varianten über die REST- oder GraphQL-Schnittstellen ausgeliefert werden und wie die App den Segmentkontext übermittelt. Offen ist auch, welche Folgen die Umbenennung in Renivo für Modulzuschnitt und Lizenzierung hat. Das sollten Projekte direkt mit Magnolia klären.
Ein begrenzter Pilot mit festen Messgrößen ist der sinnvolle Einstieg
Am Anfang sollte eine Bestandsaufnahme stehen. Dazu gehören die eingesetzte Magnolia-Version, die vorhandenen Segmente, die Qualität der Daten im CDP und die Frage, ob die regelbasierte Personalisierung überhaupt schon produktiv genutzt wird. Ohne gepflegte Segmente bringen generierte Varianten wenig.
Für einen Pilot eignen sich zwei bis drei Segmente und wenige Komponenten mit hohem Traffic, zum Beispiel Teaser auf Kategorieseiten. Die Varianten sollten gegen eine Kontrollgruppe getestet werden. Kennzahlen und Abbruchkriterien legt man vorher fest.
Modell und Region wählt man über die Modell-Registry nach Datenschutzkriterien aus. Personenbezogene Daten gehören nicht in Prompts. Markenvorgaben lassen sich in Hyper Prompt als feste Prompt-Vorlagen hinterlegen, die Freigabe regelt der Workflow. Die Pflichten aus dem AI Act sollten für jede genutzte Funktion dokumentiert werden.
Im Commerce-Umfeld bleiben Preise, Verfügbarkeiten und technische Produktdaten im führenden Commerce-System. Generiert werden nur redaktionelle Texte. Bestandskunden auf Version 6.3 sollten das Upgrade auf 6.4 mit dem KI-Vorhaben verbinden und dabei die Namensumstellung auf Renivo in Verträgen und Konfigurationen berücksichtigen.
Portalworks unterstützt Unternehmen bei der Evaluierung und Umsetzung KI-gestützter Personalisierung mit Magnolia, auch in headless Architekturen und Flutter-Apps.
